공부하는 안씨의 기록

해당 게시글은 머신러닝의 4분류인 지도학습, 비지도학습, 자기지도학습, 강화학습에 대한 개념 정리로, 학교 수업 및 패스트캠퍼스 강의를 듣고 숙지한 내용을 바탕으로 작성하였다. 머신러닝의 4가지 개념 정리머신러닝(Machine Learning)은 데이터를 기반으로 학습하고, 주어진 문제를 해결하기 위해 예측하거나 분류하는 기술이다. 머신러닝의 학습 방식은 크게 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 자기지도학습(Self-Supervised Learning), 강화학습(Reinforcement Learning)으로 분류할 수 있다. 각각의 학습 방식에 대해 간단히 살펴보자!1. 지도학습 (Supervised Learning)지도학습은 입력(In..

이번에 패스트 캠퍼스 온라인 강의 중 모두를 위한 2025 AI 바이블: AI Signature 강의를 결제하여 수강하기 시작했다. 인공지능 관련 역량을 더 키우고 싶어 해당 강의를 수강하게 되었다.  인공지능 코스 패키지는 여러가지가 있었지만, 이 강의를 선택한 이유는 커리큘럼에 재미있어보이는 강의 및 실습이 존재하여 더욱 흥미가 갔기 때문이다. 특히 후반에 존재하는 LLM, 프롬프트 엔지니어링, API 활용법 등 관련 강의가 기대된다. 학교 수업에서 자세하게 다뤄지지 않은 내용이다 보니, 이번 강의를 들으면 확실히 많은 도움이 될 것 같다. 또한, 나 같은 경우 이틀 전 정도에 결제를 완료하였더니, 패스트캠퍼스에서 퍼플렉시티 구독권 3개월권을 제공받았다! 퍼플렉시티를 자료 및 논문 검색에 꼭 써보고 ..

Large language model based multi-agents: A survey of progress and challenges 위 서베이 논문을 읽고, 정리해본 내용이다. 졸업 프로젝트를 진행하기 앞서 관련 선행 연구를 이해하고, 개념을 정리하기 위해 리뷰해보았다.  1. 배경LLM-MA 시스템의 기본 개념LLM-MA 시스템은 단일 LLM 에이전트의 고급 계획 및 추론 능력을 확장하여 여러 에이전트가 협력하여 문제를 해결하거나 세계를 시뮬레이션하도록 설계된 시스템.이 시스템은 각 에이전트가 특정 역할과 능력을 가지며, 상호작용과 협력을 통해 집단 지능을 발휘함.단일 LLM 시스템이 개별 작업에 집중하는 반면, LLM-MA는 다중 에이전트의 상호작용과 협업을 통해 더 복잡한 작업을 처리단일 에이..

Generative Agents: Interactive Simulacra of Human Behavior 프로젝트의 선행 연구로 위 논문을 학습하고 있다.구현과 직접적인 관련이 있는 3,4장을 중심으로 내용 정리 및 요약을 진행하였다.  핵심 요약Smallville 환경: 에이전트가 자연스러운 행동을 수행하며 상호작용할 수 있는 디지털 샌드박스.행동 특징:환경과 상황 변화에 따라 유연한 반응.사회적 행동(정보 확산, 관계 형성, 협력 등)을 자율적으로 수행.Generative Agent 아키텍처란?에이전트가 기억, 반영, 계획을 통해 행동을 결정하고 조정하는 구조기억: 경험을 체계적으로 저장하고 필요한 정보를 검색해 행동에 반영.반영: 관찰을 고차원적 통찰로 일반화하여 더 깊은 행동을 가능하게 함.계획:..

이번 여름방학(24/7/1~7/26)동안, 수도권 ICT 이노베이션 스퀘어 강의인 인공지능 중급 강의를 수강하며 스스로 정리하고 추가 조사한 내용을 토대로, 공부의 목적으로 딥러닝 개념 정리를 해보고자 한다.   앞선 단계에서 딥러닝 알고리즘이 어떻게 적용되는지에 대한 원리를 알아보았다면, 이번엔 딥러닝 알고리즘을 바탕으로 만들어진 모델의 '성능'을 검증하는 방법에 대해 알아보자.  모델 성능 검증기본적으로 딥러닝 알고리즘을 적용하기 위해 사용하는 dataset(데이터셋)이 있을 것이다. 이 데이터 셋은 아래와 같이 나눌 수 있다.  데이터셋 = 학습셋 + 테스트셋주어진 데이터셋을 '학습셋'으로 사용한다는 것은, 학습셋을 바탕으로 딥러닝 모델을 학습시킨다는 의미이다. 이때, 학습셋을 바탕으로 모델이 제대..

이번 여름방학(24/7/1~7/26)동안, 수도권 ICT 이노베이션 스퀘어 강의인 인공지능 중급 강의를 수강하며 스스로 정리하고 추가 조사한 내용을 토대로, 공부의 목적으로 딥러닝 개념 정리를 해보고자 한다.  이전 챕터에서는 딥러닝의 다층퍼셉트론 개념에 대해 알아보았다. 딥러닝 알고리즘을 사용할때, 다양한 경우에 대해 알고리즘을 적용해볼 수 있다.  (1) 이미지를 보고 고양이인지 삵인지 구분하는 알고리즘을 적용해볼 수도 있고,(2) 이미지를 보고 고양이인지, 삵인지, 호랑이인지 구분하는 알고리즘을 적용해볼 수 있다.  (1) 의 경우는 이진분류(=이항분류)에 해당한다.고양이(0), 삵(1) 로 설정하여, 입력된 이미지가 0에 가까운지 1에 가까운지 판단하기 위해 활성화 함수로 시그모이드 함수를 적용해..

이번 여름방학(24/7/1~7/26)동안, 수도권 ICT 이노베이션 스퀘어 강의인 인공지능 중급 강의를 수강하며 스스로 정리하고 추가 조사한 내용을 토대로, 공부의 목적으로 딥러닝 개념 정리를 해보고자 한다.   이전 챕터에서는 머신러닝과 딥러닝의 차이점에 대해 알아보았다. 그런데, 그래서 인공신경망을 어떻게 구현한걸까?  이번 챕터에서는 인공신경망을 활용한 딥러닝, 즉 '딥러닝의 다층 퍼셉트론 개념'에 대해 알아보겠다.  아래는 강의를 수강하고나서 필기한 내용을 바탕으로 구글링 및 각종 티스토리와 유튜브 강의를 참고하며 스스로 정리해본 내용이다.  "그래서 딥러닝이 뭐하는거고, 어떻게 작동하는 건데?" 에 대한 의문을 최대한 쉽게 정리하기 위해 노력했다. 가장 도움이 많이 된 유튜브 강의는 페이지 하단..

이번 여름방학(24/7/1~7/26)동안, 수도권 ICT 이노베이션 스퀘어 강의인 인공지능 중급 강의를 수강하며 스스로 정리하고 추가 조사한 내용을 토대로, 공부의 목적으로 딥러닝 개념 정리를 해보고자 한다.  딥러닝을 알아보기 전에, 딥러닝과 높은 연관성을 가지고 있는 머신러닝이 무엇인지 짚고 넘어가자.머신러닝은 ‘미지의 일을 예측하는 원리’로, 기존 데이터 안에서 규칙을 발견하고, 그 규칙을 새로운 데이터에 적용해서 새로운 결과를 도출해낸다. 더 정확한 예측을 해내기 위하여 지금까지 다양한 머신러닝 알고리즘이 개발되어왔고, 그 결과 퍼셉트론이라는 개념이 제시되면서 오늘날의 '딥러닝'이 탄생하였다.  머신러닝과 딥러닝의 차이그럼 머신러닝와 딥러닝은 어떤 차이가 있을까? 둘은 같은 인공지능 카테고리로 묶..